Только 8% крупных компаний работают с единственным поставщиком языковых моделей, а четверть уже использует пять и более. Но свобода менять LLM не спасает от зависимости: архитектура ИИ-агентов всё чаще упирается в интеграции, сценарии и правила доступа, которые приходится собирать заново. Для российских команд это прямой сигнал: выбирать модель можно быстро, а вот переносить агентный слой — дорого и неприятно.
Такой вывод следует из опроса 520 технических руководителей из североамериканских компаний со штатом более 500 человек, сообщает Stack Overflow Blog. Все участники исследования уже внедряют LLM или агентов в пилотах либо в промышленной эксплуатации; каждый занимает позицию не ниже менеджера.
Опрос проводила Stacklok — компания, сооснователь которой Крейг Маклаки, один из создателей Kubernetes. Сравнение с Kubernetes здесь не случайно: предприятия научились не привязывать инфраструктуру к одному облаку, но с ИИ повторяют знакомую ошибку на другом уровне. Модельные API меняются, цены и качество моделей тоже, а инструменты агента, права пользователей, память, контекст и связки с корпоративными системами остаются внутри конкретной реализации.
Самым трудным при миграции 53% респондентов назвали подключения к внутренним системам или MCP-серверам. Почти столько же — 52% — указали многошаговые агентные процессы. Следом идут защитные ограничения и настройки контроля доступа. Иными словами, заменить endpoint модели обычно проще, чем перенести всё, что делает ответ модели полезным для бизнеса: поиск по внутренней базе, создание задачи, запрос к CRM, проверку прав и журналирование действий.
Проблема уже влияет на решения. 81% опрошенных согласились, что лаборатории передовых моделей и гиперскейлеры усложняют переход между поставщиками; 84% считают снижение зависимости важной частью ИИ-стратегии. Более 80% компаний хотя бы раз откладывали, сокращали или перестраивали миграцию из-за высокой стоимости переключения. У 29% это происходит регулярно. При этом 57% ожидают, что уход от текущего поставщика займёт минимум четыре месяца.
Парадокс в том, что риск lock-in пока редко побеждает в закупочных таблицах. Возможность менять поставщика без перестройки системы оказалась лишь шестым критерием из восьми, а отказ от зависимости от одного вендора — последним. Выше стоят безопасность, защита данных, контроль расходов и соответствие требованиям. Логика знакома любому IT-директору: за счёт за этот квартал и аудит в этом году отвечать придётся сейчас, а миграцией через два года, вероятно, займётся уже другая команда.
Интереснее всего выглядят компании, работающие с пятью и более поставщиками моделей. Среди них 76% уже сделали интеграции с внутренними системами или MCP-серверами — против 42% у организаций с одним-двумя провайдерами. Открытые фреймворки для агентов используют 45% против 22%. Переносимость между поставщиками считают критически или очень важной 67% против 47%, а готовность оценивать открытые альтернативы вертикально интегрированным платформам выражают 35% против 13%.
Это не идеологический спор «open source против облака». Команды с несколькими провайдерами просто быстрее сталкиваются с эксплуатационной реальностью: поддерживать пять разных наборов коннекторов, промптов, правил и наблюдаемости — занятие без романтики. Поэтому зрелая архитектура ИИ-агентов отделяет заменяемую модель от более стабильного прикладного контура. Модель становится компонентом за интерфейсом, а не местом, где зашиты бизнес-процессы.
Для разработчиков практический вывод довольно приземлённый. Описания инструментов лучше держать в открытых протоколах, а не в расширениях одного поставщика; оркестрацию — хранить в собственном коде; наборы оценок — запускать через разные модельные endpoint. Отдельного внимания заслуживают идентификация, память агента, доступы к данным и аудит действий: именно эти части чаще всего превращаются в невидимую стоимость будущего переезда. При этом абстракция не должна быть самоцелью: слой совместимости, который скрывает критичные функции безопасности или наблюдаемости, способен создать новый технический долг.
Спрос на более открытый подход уже есть: 80% участников готовы рассматривать альтернативу закрытым архитектурам, а 88% ожидают со временем сильнее контролировать собственный ИИ-стек. Главные условия прагматичны — гарантии безопасности и соответствия требованиям, производительность на уровне передовых моделей и корпоративная поддержка. Вероятно, конкуренция в агентных платформах сместится от вопроса «какая LLM умнее» к вопросу «кому принадлежат интеграции, состояние агента и правила работы с данными». Подробные результаты исследования опубликованы в .
